基于 AKARI NEP Wide 场的活动星系核星表
星系天体物理
2021-07-28 v1 宇宙学与河外天体物理
摘要
背景。北天极(NEP)场提供了一套独特的全色数据,非常适合于活动星系核(AGN)研究。AGN 候选体的筛选通常基于中红外(MIR)测量。尽管这种方法有效,但由于 MIR 探测条件,它会大幅缩减星表规模。现代机器学习技术可以通过仅使用光学和近红外(NIR)数据来寻找类似的筛选标准,从而解决这一问题。目的。本工作的目的是利用 SUBARU/HSC 光学数据与 AKARI/IRC 的 NIR 数据相结合,从 NEP 场创建一个可靠的 AGN 候选体星表,并由此开发一种高效的、替代基于 MIR 的 AKARI/IRC 筛选技术的方法。方法。测试了一组监督机器学习算法以执行高效的 AGN 筛选。将最优的模型组合成一个多数投票方案,该方案使用最流行的分类结果来生成最终的 AGN 星表。通过 CIGALE 软件以光谱能量分布(SED)拟合的形式对星表性质进行了额外分析。结果。所获得的 465 个 AGN 候选体星表(共 33 119 个天体)具有 73% 的纯度和 64% 的完备性。这种新分类与基于 MIR 的筛选结果一致。此外,由于大多数新 AGN 候选体缺乏 MIR 探测,所获得星表中 76% 的天体只能由新方法发现。训练数据、代码和最终星表可通过 github 仓库获取。最终的 AGN 候选体星表在发表后也将通过 CDS 服务提供。
引用
@article{arxiv.2104.13428,
title = {Active galactic nuclei catalog from the AKARI NEP Wide field},
author = {Artem Poliszczuk and Agnieszka Pollo and Katarzyna Małek and Anna Durkalec and William J. Pearson and Tomotsugu Goto and Seong Jin Kim and Matthew Malkan and Nagisa Oi and Simon C. -C. Ho and Hyunjin Shim and Chris Pearson and Ho Seong Hwang and Yoshiki Toba and Eunbin Kim},
journal= {arXiv preprint arXiv:2104.13428},
year = {2021}
}
备注
Accepted for publication in Astronomy and Astrophysics